先認識 AI 的整體架構，再看懂每一個名詞。
這篇不是模型排行榜，也不是指令大全。它想回答的是：當我們把一件工作交給 AI，背後究竟有哪些部分在合作？每一個名詞負責解決什麼問題，又如何影響成果？
閱讀順序：先了解大腦與資訊，再理解如何下指令、讓 AI 使用工具，最後學會檢查它是否真的完成。各層是概念分工，並非所有產品都採用相同架構。
START HERE / AI FOUNDATIONS基礎補給站：LLM 如何產生文字？完全零基礎也能讀：Token、訓練、推論與幻覺＋
基礎補給站：LLM 如何產生文字？
在認識 Agent、MCP 與 Harness 之前，我想先回答一個更簡單的問題：當我們輸入一句話，AI 到底做了什麼？
這篇不是產品排行榜，也不需要程式背景。我會先拆解模型如何理解與生成文字，再說明它怎麼取得資料、使用工具、執行任務，以及最後如何檢查成果。
一個答案是怎麼產生的？
- 01你輸入問題
例如：「幫我解釋 MCP。」
- 02轉成 Token｜文字積木
輸入會被切成 Token：可能是一個字、字的一部分或標點；Token 數量也影響使用成本。
- 03模型推論｜下一塊積木
利用學到的參數與當前上下文，逐步預測並產生後續 Token；有外部工具時也能額外查資料。
- 04輸出答案｜流暢不等於正確
文字再自然，也可能出現沒有根據的細節；關鍵資訊仍需要來源與驗證。
像上工前的長期學習：從大量資料調整模型參數，形成可運用的模式；模型也可能經過後續更新或微調。
像考場上的臨場作答：把已學到的模式與眼前的題目、文件結合，現場逐步生成回覆。
重要區別：LLM 不是即時搜尋引擎，也不會因為語氣很肯定就變成事實。需要最新資訊，可以透過 RAG 或工具查證；需要實際完成工作，還得靠 Agent 與執行環境。
01
我只叫 AI 改一個按鈕，為什麼它把整個網站都動了？
「已修復」不等於真的修好。
有時候我只是請 AI 修正手機版的一個按鈕，它卻很自信地說「問題已修復」。打開網站才發現：按鈕好了，但導覽列跑掉，手機甚至多了一條神祕橫向捲軸。
這讓我逐漸發現：會產生漂亮的答案，和能把事情可靠地做完，是兩回事。會回答的大腦，不等於懂規矩、會驗收的工程師。今天我們使用的 AI，可能是一整套模型、工具、執行環境、記憶與驗證機制的組合，而不是單一模型。
02
Model：模型是大腦，但不是整套產品。
同一個模型，放進不同工具裡可能像換了一個人。
GPT、Claude、Gemini 這些模型負責理解、推理與生成內容；但 ChatGPT 這類產品、Coding Agent 和 CLI，都不等於模型本身。像是聰明的大腦還沒配上手腳：同一個模型如果只能聊天，跟能讀檔案、跑程式、操作網站，實際用途完全不同。
以官方 API 模型定位來看，GPT-6 Astra 偏向最困難的專業推理，GPT-6.1 Sol 在能力與成本之間取平衡，GPT-6.1 Terra 擅長視覺推理、電腦操作與清楚寫作，GPT-6 Luna 則適合快速的大量明確任務。這是四個模型的取捨，不是四種 CLI；實際能在哪個產品使用仍要看方案與支援狀態。
同樣的大腦，進了不同工作環境，就有不同的能力組合。
GPT 家族：四顆不同取向的大腦
同樣屬於 GPT 系列，也會依任務難度、速度和成本做不同取捨。模型不是 App，也不是 Harness。
GPT-6 Astra複雜推理與專業工作
艱難研究、複雜程式架構GPT-6.1 Sol複雜任務的能力／成本平衡
日常較複雜的程式與文件工作GPT-6.1 Terra視覺理解與電腦操作
螢幕操作、畫面判讀、清楚寫作GPT-6 Luna快速且大量的明確任務
整理、分類、批次萃取- 2022
- 2023
- 2024
- 2025MAR 11Agent 開發工具
OpenAI
Agents SDK、Tracing、Guardrails 等能力成為可組合的系統。
工作體感像駐點工程師：工具與 Agent 開發環境更成熟。
SOURCE ↗ - 2026AUG–SEP持續型個人 Agent
Grok Bot、Muse、Dots 展示在聊天之外持續工作的產品方向。
工作體感持續的工作夥伴：留下任務、等你驗收；Harness 並非這年才誕生。
SOURCE ↗
03
Context、Memory、RAG：AI 為什麼突然像失憶？
桌上開了 50 個分頁，不代表每一頁都看得清楚。
Context Window 就像員工眼前的辦公桌：即使桌面變大，把整座圖書館倒上去，重要的規格也可能埋沒。這種長上下文的注意力稀釋常稱為 Context Rot；大量無關 Token 也可能增加成本與延遲。視窗仍有容量限制，並不等於 AI 永遠記得所有要求。
Memory 像抽屜裡的工作筆記，保存跨任務可再利用的偏好與進度；RAG 像需要時去檔案室翻書，只把相關頁面放回桌上。真正重要的不是塞滿 Context，而是精準取得資料。RAG 仍可能找錯文件，來源與時效需要檢查。
04
Prompt Engineering：從寫咒語，到真正會交代事情。
GPT-6 前後的差異，不是單純比誰的提示詞短。
以前常看到一大串「你是二十年經驗的專家」型 Prompt，甚至把每一步操作都規定死。對早期模型或固定工作流程，細節確實可能有幫助；但能力較強的 Agent，有時會被過度指示拖慢，重複執行不必要的事情。
我現在把 Prompt 當成給同事的派工單（Brief），寫清楚目標、背景、邊界與驗收：要修什麼、看哪些檔案、不能碰什麼、怎樣算完成。這是 GPT-6 時代值得注意的趨勢，但不是「所有 Prompt 越短越好」。
修正手機版導航。保留現有設計，不動無關功能；實際驗證桌機與 375px，提供證據，先不要部署。
05
Agent：AI 不只給建議，還開始真的動手。
Tool Calling、Subagent、Orchestration 不是同一件事。
聊天模型可以分析網站錯誤；有工具權限的 Agent 則能讀程式、修改檔案、執行測試。Tool Calling 是模型提出工具請求，由外部程式實際執行，再把結果回傳模型的橋樑。
Agent 像能動手的技術人員；Subagent 是接下特定任務的專員，Orchestration 像負責分工與交接的專案經理。協調不一定需要多個 Agent，改一個錯字也不用叫六位專員開會。
- 01READsrc/components/Nav.tsx✓
- 02EDITresponsive styles✓
- 03TESTPlaywright · 375px✓
- 04REPORTdiff + screenshots◯
06
API vs. MCP：專用通道和通用連接規格。
MCP 不是萬能門禁卡，更不是 API 的替代品。
API 是軟體提供的操作介面，例如 GitHub API、Slack API。各服務可能有不同的認證、參數與資料格式，因此整合成本不同。MCP（Model Context Protocol）則讓支援它的 AI 應用，以較一致的方式發現並使用工具。
直接使用 API 時，每個 App 往往要自己處理 GitHub、Google、Slack 各自的介面與認證。MCP 則讓支援它的 AI Host，透過各自的 Client 連接相容 Server，使用一致的工具協定；Server 底層仍可能呼叫既有 API。這是共通插座，不是萬能門禁卡：各個連線都需要設定、授權與維護。
同樣連 GitHub，為什麼左、右不是一回事？
不同 App 必須理解各服務的 API、認證和參數；連接工作由 App 自行維護。
每個 App 都要自己處理不同服務的整合差異。
不同 MCP Host 可用同一套協定，透過各自的 MCP Client 連到相容 Server。
各 Server 再連對應 API／服務
連接介面有共通規格；支援的工具仍需分別設定與授權。
07
Skills：別讓 AI 每次都從頭學同一套流程。
可重用的工作方法，不只是把 Prompt 存成檔案。
假設我要 AI 每次都按同一套標準檢查手機版：375px 是否溢出、按鈕是否能點、測試截圖有沒有對到變更範圍。這套方法就很適合整理成 Skill，透過 SKILL.md 搭配參考文件或腳本，重複利用。
Skill 就像老師傅留下的 SOP 工作手冊：把專案的操作方式、腳本與檢查標準留下；MCP 則偏向如何連接外部工具，兩者不等於自動授權。技能不是越多越好；按需求載入相關內容（Progressive Disclosure），才不會讓上下文被一堆無關規則塞滿。
---
name: responsive-qa
description: Validate RWD
---
## When to use
After a UI change
## Check
375px · tablet · desktop08
CLI 與 Coding Agent：終端機裡不只是黑底白字。
CLI 是入口；真正能力來自背後的 Agent、Harness 和 Model。
CLI（Command Line Interface）是命令列介面。過去透過聊天室寫程式，常要自己當剪貼簿；現在可以在 PowerShell 或終端機輸入 codex、claude、opencode、agy 或 dsh，讓授權的 Coding Agent 進入專案讀檔、改程式、跑測試。CLI 是看得見的入口，不是模型名稱，也不等於底層 Harness。
Codex CLI 是 OpenAI 的 Coding Agent，Claude Code 來自 Anthropic；OpenCode 偏向開放、多模型的 Coding Agent；agy 是 Google Antigravity CLI；DSH 則是 DeepSeek Harness，採可組合的 plugin/profile 架構。它們的 CLI、模型支援、權限與 Harness 設計都不一樣，因此很適合拿來理解前面那些抽象名詞。
所以 Codex 不單指 CLI，也不單指 Harness：Codex 是 Coding Agent 產品／系統；Codex CLI 是終端機入口，背後的 Codex Harness 負責執行任務，而 GPT 模型提供推理能力。CLI 決定你從哪裡操作，Harness 則管理任務如何持續進行。像 Codex 不只能在終端機使用；dsh 更能用 Profile 決定要啟動哪些 Plugin。一般的 git、npm 雖然也是 CLI，卻不是 AI Harness。
Codex 到底是 CLI，還是 Harness？
Codex 是一套 Coding Agent 產品與工作體驗；Codex CLI 是它的終端機入口，Codex Harness 是支撐它執行任務的系統，GPT 模型提供推理能力。它們不是四個互相競爭的產品。
你在 CLI／IDE／App 下指令，Harness 負責讀檔、用工具、管理狀態與核准，模型幫助理解、推理並決定下一步。
Codex CLI
$ codexOpenAI 的終端機 Coding Agent；能進入專案、檢查程式、修改檔案並執行命令。
$ codex "Review this repository"▸ Read project instructions
▸ Inspect files and propose changes
✓ Report evidence before release
- 適合什麼工作
- 已經有現成 repo，想完成一個可驗證的修改或重構。
- 跟其他工具的差異
- 偏向 OpenAI 的 Codex 工作流程；CLI 是操作入口，不是「GPT 模型」的別名。
- 需要注意
- 要確認當前工作目錄、檔案寫入權限與測試結果。
- 使用場合
- Terminal / Git repository / local workspace
09
Harness：同樣的模型，為什麼換個工具就像換了個人？
好的 Harness 不會保證不出錯，但能讓出錯變得可處理。
把 Agent 請進專案，不代表該把整台電腦都交給它。Harness 像辦公室的工作制度與執行系統：負責工具、狀態、操作邊界和核准流程。即使模型相同，工作環境不同也可能影響結果。
Harness 不是魔法盒。Sandbox 像受控實驗室，可以限制 Agent 能接觸的檔案與指令，但隔離效果取決於設定，容器掛載主機目錄仍可能損害主機。Git 與備份可協助復原部分變更，卻不能保證未提交檔案、資料庫或外部動作都能一鍵回復。比起只喊『禁止刪除』，更重要的是實際權限、人工核准、測試與可追查紀錄。
實際例子更容易理解：Codex 的 CLI、IDE 與 App 可以共用底層 Harness；OpenCode 由自身的 Runtime 管理工具與權限；DeepSeek Harness 則可透過 Profile 和 Plugin 組裝模型適配、工具與 Agent Loop。這些不是三個新模型，而是不同的執行系統設計。
原來 Harness 就藏在你每天用的工具裡。
切換看看：同樣都能從終端機操作 AI，底下的工作系統卻不一定相同。
在 CLI、IDE 或 App 開始工作，背後由 Codex Harness 維持 Agent 的執行循環。
同一套 Harness 可供不同的操作介面使用；CLI 不是整套系統的全部。
Official documentation10
AGENTS.md 與 DESIGN.md：別讓 AI 每次都重新猜你的設計。
把專案規則與視覺語言寫下來，但不要寫成無限長。
AGENTS.md 像工程部的家規：用什麼框架、怎麼測試、哪些檔案不能亂動、正式部署需不需要批准。常見檔名是複數的 AGENTS.md，不是 AGENT.md；實際載入方式依工具而定。
DESIGN.md 像品牌視覺指南，記錄字體、顏色、間距、元件與品牌風格；Google Labs 也有相應結構化格式，但不是所有工具的強制標準。對我來說，比起每次重新說「不要滿版漸層」，更好的做法是把確認過的設計變成持續可參考、可更新的規範。
Next.js / TypeScript
Testing & boundaries
Type scale / color tokens
Spacing & components
11
Computer Use：AI 開始能自己找按鈕，但也可能按錯。
能走穩定 API 就走 API；需要畫面操作再用 Computer Use。
不是每個網站都有 API。有些後台只能登入、找選單、填表單、點確認。Computer Use 讓 AI 透過畫面與操作工具，像人一樣點擊、輸入和查看結果；比固定座標腳本更能因應畫面變化，但並不代表不會誤按。
Playwright 偏向程式化瀏覽器測試和操作；Computer Use 偏向模型根據畫面做決策。兩者可以搭配使用。對能透過穩定 API 完成的工作，我通常不會刻意繞遠路用畫面操作。
12
Testing、Evals、Guardrails：AI 說完成，不代表真的完成。
測試產品、評估 AI、限制風險，還要保留人工核准。
Testing 檢查具體功能：例如 Vitest 測邏輯、Playwright 操作網站、GitHub Actions 在提交後執行 CI。Evals 則用可重複的任務或評分準則，衡量 Agent 的成功率、工具選擇、成本與品質；Tracing 紀錄整個工具呼叫過程，讓錯誤可以追查。
Guardrails 限制危險行為，但不能只靠 Prompt 寫一句「禁止刪資料」；真正重要的權限要在系統層阻擋。Human-in-the-Loop 讓付款、刪除、正式部署等操作先停下來由人確認。最重要的是：測試 PASS 只代表測過的範圍，不等於整個產品都沒有問題。
哪些測過、哪些沒測、是否需要人工確認，都應該清楚顯示。
13
實用工具包：我會先推薦哪些 Skills 與 MCP？
工具腰帶不用掛滿，先帶查文件、驗畫面與管理版本的三件工具。
工具腰帶不必一次掛二十種。新手可以先按任務挑三類：Context7 或官方文件檢索，避免沿用過期 API；Playwright MCP，檢查手機版是否跑版；GitHub MCP，查看 Issue、分支與 PR。這是入門組合，不是每個專案都必須安裝三套。
Skills 更值得從自己的痛點長出來，例如『修改 UI 後的 RWD 驗收』與『文章發布前的多語系、格式檢查』。MCP 則遵守最小權限（Least Privilege）：先給唯讀存取，真的需要寫入、部署或刪除才升級並核准。工具掛太多可能增加選錯工具、上下文負擔與 Prompt Injection 風險；參考型 MCP Server 也不代表能直接安全上正式環境。
先唯讀、只開必要的工具；寫入與正式部署再請人核准。多裝工具不等於更安全或更準確。
14
主動式 AI：離開聊天室後，誰還在繼續工作？
把 dots、Muse、Grok Bot、OpenClaw 放在正確的位置。
主動式 AI 像有工作日誌的駐點夥伴，但不代表模型 24 小時不停思考。實際上可以透過排程、事件觸發、保存的狀態與背景任務，在適當時候繼續做事。真正有趣的是它不只在固定時間發通知，還能根據新資訊決定要不要再查、再整理。
OpenAI 的 dots 有自己的雲端電腦與已連接 App；Meta Muse 也使用專屬環境和瀏覽器；Grok Bot 強調有名字、記憶、電腦的持續性 Bot，並支援彼此協作與交接；OpenClaw 則是自行管理 Gateway、模型、工具與權限的路線。這裡只看架構差異，產品的完整比較已放在前一篇。
有自己的雲端電腦與已連接 Apps，依目標持續推進工作。
2026 / SEP 29專屬 Secure VM 和瀏覽器，協助處理跨服務任務。
2026 / SEP 08每個 Bot 有自己的電腦與持續工作狀態，也能在 Bot 間交接。
2026 / AUG 11自己配置 Gateway、模型、工具與權限，也自己管理維護風險。
SELF-HOSTED ROUTE15
最後，回到我自己現在怎麼使用這些工具。
對我而言，AI 是協助實作的系統，不是讓我不用判斷的捷徑。
我的工作方式比較像精簡的一人技術工作室，不需要把每一種新工具全部裝在一起。開發時會依任務選擇 Codex、OpenCode 等 Coding Agent 與合適模型，利用 AGENTS.md、DESIGN.md 保留專案規則；需要 RWD、操作或回歸檢查，就透過 Playwright 與瀏覽器驗證。研究新工具如 agy、DSH 時，會先把它們當成不同執行環境去比較，而不是只比模型回答。
持續性任務則會另外交給有排程和工具連接能力的 Agent，但把信件送出、正式部署、刪除與付款等動作留在人工確認的位置。我在意的不是 AI 能不能一口氣寫出整個網站，而是最後能不能拿出足夠證據，證明它真的做出了我想要的東西。
- 01定義任務
我先說清楚目標、哪些地方不能碰、驗收要看什麼。
- 02選擇環境
Codex / OpenCode 等依任務選擇，研究型工具先隔離試驗。
- 03保留規則
AGENTS.md、DESIGN.md 讓決策可以被再次使用。
- 04取得證據
Playwright、桌機與手機畫面、測試與變更紀錄。
- 05由我接受
正式部署、寄送、刪除等動作留人工確認。
「不只問 AI 能不能做，而是能不能拿出證據，做出我真正想要的東西。」
- OpenAI — Rethinking Skills and Prompts ↗
- OpenAI — Harness Engineering ↗
- Anthropic — Effective Context Engineering ↗
- Docker — Engine Security ↗
- OpenAI — Codex as a Platform ↗
- OpenAI — GPT-6 Model Selection ↗
- Model Context Protocol — Architecture ↗
- OpenCode — Tools and Permissions ↗
- DeepSeek Harness — Architecture ↗
- Model Context Protocol ↗
- Agent Skills specification ↗
- AGENTS.md format ↗
- Google Labs DESIGN.md ↗
- Codex CLI ↗
- Claude Code ↗
- OpenCode ↗
- Google Antigravity CLI ↗
- DeepSeek Harness ↗
- Playwright MCP ↗
- Chrome DevTools MCP ↗
- Grok Bot official overview ↗
- OpenAI dots ↗
- Meta Muse ↗
- OpenClaw ↗